چکیده: با استفاده از دانش عقیده کاوی میتوان دانش بسیار خوبی از عموم جامعه در شبکههای اجتماعی درباره موضوعات مختلف به دست آورد. با استفاده از عقیده کاوی میتوانیم کشف کنیم که افراد چه عقایدی درباره موضوعات مختلف دارند و چه نظراتی دادهاند که با تحلیل این نظرات نتایج جالبی میتوانیم به دست آوریم، دانش نظر کاوی زیر مجموعه علم داده کاوی میباشد. با تحلیل احساسات و نظرات میتوانیم دلیل شکست یا موفقیت موضوعات مختلف در جامعه را از دید کاربران به دست آوریم. در این پژوهش ما یک روش جدید برای عقیده کاوی در شبکههای اجتماعی درباره فیلمهای سینمایی ارائه کردهایم. نتیجه این تحقیق نشان میدهد که علت موفقیت یا شکست یک فیلم از دید کاربران چه بوده است، در روش پیشنهادی نظرات کاربران ابتدا بر اساس کلمات کلیدی و هشتگ های مهم برچسب گذاری میشود که نظر مثبت میباشد یا منفی و در ادامه بعد از برچسب گذاری تحلیلی برای نظرات انجام میشود که تعداد لایک هر نظر تأثیر بالایی در تحلیل دارد، نتایج شبیه سازی و مقایسه روش پیشنهادی نشان میدهد که روش پیشنهادی از دقت بالایی برخوردار میباشد و میتوان از روش پیشنهادی در دیتاست های مختلف فارسی مورد استفاده قرار داد.
پیاده سازی پایان نامه: تحلیل احساسات داده های رسانه های اجتماعی برای تشخیص افسردگی با یادگیری ماشین
عقیده کاوی یا تحلیل احساسات امروزه یک روند نوظهور برای درک احساسات افراد در موقعیت های مختلف زندگی روزمره آنهاست. در این تحقیق روشی بر تحلیل احساسات در دادههای رسانههای اجتماعی برای تشخیص دلهره یا دلسردی با استفاده از تکنیکهای مختلف هوش مصنوعی ارائه می شود.
چکیده: در دنیای امروز حجم عظیمی از اطلاعات به صورت متن می باشد. بنابراین تکنیک های متن کاوی اهمیت یافته اند. کاوش نظرات یا تحلیل احساسات به عنوان شاخه ای از متن کاوی، به معنی یافتن دیدگاه نویسنده متن درباره یک موضوع خاص است. اینترنت این امکان را برای کاربران فراهم می کند تا نظرات خود را به سهولت بیان کنند و از نظرات دیگران در مورد موضوعی خاص مطلع شوند. حجم بالا و فقدان ساختار مناسب برای متن نظرات ارائه شده بروی بستر وب، استفاده از دانش پنهان درون آنها را دشوار نموده است. بنابراین ارائه روش هایی که بتواند این دانش را به صورت خلاصه و ساخت یافته آماده کرده و در اختیار ما قرار دهد حائز اهمیت است. در این پژوهش سعی شده به ارائه روشی برای تحلیل نظرات ذیل خبر در سایت های خبری با توجه به متن خبر پرداخته شود. در این راستا سعی شده با استفاده از ویژگی های دستوری متون مانند اسم و فعل و همچنین تحلیل بار احساسی جملات، رابطه نظر با خبر و دیدگاه نویسنده نظر را با توجه به موضوع متن خبرکشف کنیم. در ادامه به ارزیابی روش، با پیاده سازی آن روی مجموعه داده جمع آوری شده از اخبار و نظرات به زبان فارسی پرداخته شده است. روش پیشنهادی صحت تشخیص 42.9 درصدی دارد.
چکیده: به سبب رشد سریع شبکه ها و رسانه های اجتماعی، امکان دسترسی افراد به نظرهای دیگران افزایش یافته است. نظرها، حاوی اطلاعات ارزشمندی اند که با تحلیل آنها، می توان به گرایش ها و ترجیح افراد پی برد و نظرهای مثبت و منفی را نسبت به مسائل گوناگون، شناسایی کرد. نظرکاوی فرایندی است که به تحلیل عاطفه ها، احساس ها و نظرهای افراد می پردازد و از این طریق، اولویت افراد را شناسایی می کند. در این مقاله، روشی برای نظرکاوی در زبان فارسی ارائه شده است که از ترکیب لغت نامه و الگوریتم نظارتی ماشین بردار پشتیبان (SVM) استفاده می کند. برای ایجاد لغت نامه، از لغت نامه SentiWordNet بهره برده شده است. در واقع این لغت نامه، مجموعه ویژگی های الگوریتم SVM است. برای ارزیابی نتایج، از داده های دامنه هتل استفاده شد. چهار فرضیه برای دستیابی به بهترین نتیجه تعریف شد که از این بین، بیشترین درستی، به فرضیه حاصل ضرب قطبیت در تعداد تکرار کلمه ها اختصاص یافت.
سفارش انجام پروژه عقیده کاوی نظرات کاربران دیجی کالا:
رشد استفاده از اینترنت و شبکههای اجتماعی، باعث ایجاد متون انبوهی حاوی عقاید افراد شدهاست که در گذشته قابل ثبت نبودهاند. آگاهی از عقاید افراد برای بسیاری از امور مرتبط با تصمیمگیری اهمیّت فراوانی دارد. متنکاوی که شاخهای از دادهکاوی است، اطلاعات مفیدی را از متن استخراج میکند، ولی برای استخراج عقاید باید سراغ روشهای پیشرفتهتری رفت. عقیدهکاوی به عنوان شاخهای از متنکاوی با تمرکز بر روی استخراج عقاید شناخته میشود.
عقیدهکاوی کاربردهای فراوانی دارد. از مهمترین کاربردهای آن میتوان به دنبالکردن عقاید مردم توسط سیاستمداران، آگاهی تولیدکنندگان از سطح رضایت مشتریان و پیشبینی تغییرات بازار با توجه به نظرات افراد اشاره کرد. سرعت زیاد و هزینهٔ کم مهمترین عوامل جایگزینکردن عقیدهکاوی با روشهای سنتّی (به کمک نیروی انسانی) هستند. برای مطالعه جزییات بیشتر در مورد عقیده کاوی کلیک کنید.
در این پروژه، با استفاده از نرم افزار زبان R، مجموعه داده های مربوط به نظرات کاربران دیجی کالا مورد بررسی قرار گرفته است. راهکارهای متعدد پاکسازی داده ها، دسته بندی، خوشه بندی بر روی داده ها اعمال شده است و نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه عقیده کاوی نظرات کاربران دیجی کالا:
رشد استفاده از اینترنت و شبکههای اجتماعی، باعث ایجاد متون انبوهی حاوی عقاید افراد شدهاست که در گذشته قابل ثبت نبودهاند. آگاهی از عقاید افراد برای بسیاری از امور مرتبط با تصمیمگیری اهمیّت فراوانی دارد. متنکاوی که شاخهای از دادهکاوی است، اطلاعات مفیدی را از متن استخراج میکند، ولی برای استخراج عقاید باید سراغ روشهای پیشرفتهتری رفت. عقیدهکاوی به عنوان شاخهای از متنکاوی با تمرکز بر روی استخراج عقاید شناخته میشود.
عقیدهکاوی کاربردهای فراوانی دارد. از مهمترین کاربردهای آن میتوان به دنبالکردن عقاید مردم توسط سیاستمداران، آگاهی تولیدکنندگان از سطح رضایت مشتریان و پیشبینی تغییرات بازار با توجه به نظرات افراد اشاره کرد. سرعت زیاد و هزینهٔ کم مهمترین عوامل جایگزینکردن عقیدهکاوی با روشهای سنتّی (به کمک نیروی انسانی) هستند. برای مطالعه جزییات بیشتر در مورد عقیده کاوی کلیک کنید.
در این پروژه، با استفاده از نرم افزار پایتون (Python)، مجموعه داده های مربوط به نظرات کاربران دیجی کالا مورد بررسی قرار گرفته است. راهکارهای متعدد پاکسازی داده ها، دسته بندی، خوشه بندی بر روی داده ها اعمال شده است و نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه عقیده کاوی نظرات کاربران دیجی کالا:
رشد استفاده از اینترنت و شبکههای اجتماعی، باعث ایجاد متون انبوهی حاوی عقاید افراد شدهاست که در گذشته قابل ثبت نبودهاند. آگاهی از عقاید افراد برای بسیاری از امور مرتبط با تصمیمگیری اهمیّت فراوانی دارد. متنکاوی که شاخهای از دادهکاوی است، اطلاعات مفیدی را از متن استخراج میکند، ولی برای استخراج عقاید باید سراغ روشهای پیشرفتهتری رفت. عقیدهکاوی به عنوان شاخهای از متنکاوی با تمرکز بر روی استخراج عقاید شناخته میشود.
عقیدهکاوی کاربردهای فراوانی دارد. از مهمترین کاربردهای آن میتوان به دنبالکردن عقاید مردم توسط سیاستمداران، آگاهی تولیدکنندگان از سطح رضایت مشتریان و پیشبینی تغییرات بازار با توجه به نظرات افراد اشاره کرد. سرعت زیاد و هزینهٔ کم مهمترین عوامل جایگزینکردن عقیدهکاوی با روشهای سنتّی (به کمک نیروی انسانی) هستند. برای مطالعه جزییات بیشتر در مورد عقیده کاوی کلیک کنید.
در این پروژه، با استفاده از نرم افزار نایم (Knime)، مجموعه داده های مربوط به نظرات کاربران دیجی کالا مورد بررسی قرار گرفته است. راهکارهای متعدد پاکسازی داده ها، دسته بندی، خوشه بندی بر روی داده ها اعمال شده است و نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه عقیده کاوی نظرات کاربران دیجی کالا:
رشد استفاده از اینترنت و شبکههای اجتماعی، باعث ایجاد متون انبوهی حاوی عقاید افراد شدهاست که در گذشته قابل ثبت نبودهاند. آگاهی از عقاید افراد برای بسیاری از امور مرتبط با تصمیمگیری اهمیّت فراوانی دارد. متنکاوی که شاخهای از دادهکاوی است، اطلاعات مفیدی را از متن استخراج میکند، ولی برای استخراج عقاید باید سراغ روشهای پیشرفتهتری رفت. عقیدهکاوی به عنوان شاخهای از متنکاوی با تمرکز بر روی استخراج عقاید شناخته میشود.
عقیدهکاوی کاربردهای فراوانی دارد. از مهمترین کاربردهای آن میتوان به دنبالکردن عقاید مردم توسط سیاستمداران، آگاهی تولیدکنندگان از سطح رضایت مشتریان و پیشبینی تغییرات بازار با توجه به نظرات افراد اشاره کرد. سرعت زیاد و هزینهٔ کم مهمترین عوامل جایگزینکردن عقیدهکاوی با روشهای سنتّی (به کمک نیروی انسانی) هستند. برای مطالعه جزییات بیشتر در مورد عقیده کاوی کلیک کنید.
در این پروژه، با استفاده از نرم افزار کلمنتاین یا مدلر(IBM Spss Modeler) مجموعه داده های مربوط به نظرات کاربران دیجی کالا مورد بررسی قرار گرفته است. راهکارهای متعدد پاکسازی داده ها، دسته بندی، خوشه بندی بر روی داده ها اعمال شده است و نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه عقیده کاوی نظرات کاربران دیجی کالا:
رشد استفاده از اینترنت و شبکههای اجتماعی، باعث ایجاد متون انبوهی حاوی عقاید افراد شدهاست که در گذشته قابل ثبت نبودهاند. آگاهی از عقاید افراد برای بسیاری از امور مرتبط با تصمیمگیری اهمیّت فراوانی دارد. متنکاوی که شاخهای از دادهکاوی است، اطلاعات مفیدی را از متن استخراج میکند، ولی برای استخراج عقاید باید سراغ روشهای پیشرفتهتری رفت. عقیدهکاوی به عنوان شاخهای از متنکاوی با تمرکز بر روی استخراج عقاید شناخته میشود.
عقیدهکاوی کاربردهای فراوانی دارد. از مهمترین کاربردهای آن میتوان به دنبالکردن عقاید مردم توسط سیاستمداران، آگاهی تولیدکنندگان از سطح رضایت مشتریان و پیشبینی تغییرات بازار با توجه به نظرات افراد اشاره کرد. سرعت زیاد و هزینهٔ کم مهمترین عوامل جایگزینکردن عقیدهکاوی با روشهای سنتّی (به کمک نیروی انسانی) هستند. برای مطالعه جزییات بیشتر در مورد عقیده کاوی کلیک کنید.
در این پروژه، با استفاده از نرم افزار وکا (Weka)، مجموعه داده های مربوط به نظرات کاربران دیجی کالا مورد بررسی قرار گرفته است. راهکارهای متعدد پاکسازی داده ها، دسته بندی، خوشه بندی بر روی داده ها اعمال شده است و نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
سفارش انجام پروژه عقیده کاوی نظرات کاربران دیجی کالا:
رشد استفاده از اینترنت و شبکههای اجتماعی، باعث ایجاد متون انبوهی حاوی عقاید افراد شدهاست که در گذشته قابل ثبت نبودهاند. آگاهی از عقاید افراد برای بسیاری از امور مرتبط با تصمیمگیری اهمیّت فراوانی دارد. متنکاوی که شاخهای از دادهکاوی است، اطلاعات مفیدی را از متن استخراج میکند، ولی برای استخراج عقاید باید سراغ روشهای پیشرفتهتری رفت. عقیدهکاوی به عنوان شاخهای از متنکاوی با تمرکز بر روی استخراج عقاید شناخته میشود.
عقیدهکاوی کاربردهای فراوانی دارد. از مهمترین کاربردهای آن میتوان به دنبالکردن عقاید مردم توسط سیاستمداران، آگاهی تولیدکنندگان از سطح رضایت مشتریان و پیشبینی تغییرات بازار با توجه به نظرات افراد اشاره کرد. سرعت زیاد و هزینهٔ کم مهمترین عوامل جایگزینکردن عقیدهکاوی با روشهای سنتّی (به کمک نیروی انسانی) هستند. برای مطالعه جزییات بیشتر در مورد عقیده کاوی کلیک کنید.
در این پروژه، با استفاده از نرم افزار رپیدماینر (RapidMiner)، مجموعه داده های مربوط به نظرات کاربران دیجی کالا مورد بررسی قرار گرفته است. راهکارهای متعدد پاکسازی داده ها، دسته بندی، خوشه بندی بر روی داده ها اعمال شده است و نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.
- هوش مصنوعی (۳۸۴)
- پروژه رپیدماینر(RapidMiner) (۲۶)
- پروژه وکا(Weka) (۲۰)
- پروژه نایم(Knime) (۲۰)
- پروژه پایتون(Python) (۶۴)
- پروژه R (۳۰)
- پروژه کلمنتاین(clementine) یا مدلر(IBM Spss Modeler) (۱۶)
- پروژه شبکه عصبی (۱۱۲)
- پروژه الگوریتم ژنتیک (۳۷)
- پروژه الگوریتم ممتیک (۲۳)
- پروژه الگوریتم جستجوی هارمونی (۳۰)
- پروژه تکامل تفاضلی (۳۲)
- پروژه بهینه سازی ازدحام ذرات (۳۴)
- پروژه الگوریتم کلونی زنبور عسل (۳۴)
- پروژه عقیده کاوی (۱۷)
- پروژه ماشین بردار پشتیبان (۱۴)
- مقالات (۶۲)
- پروژه الگوریتم رقابت استعماری (۱۶)
- پروژه الگوریتم درخت تصمیم (۳۹)
- پروژه سیستم ایمنی مصنوعی (۱۶)
- دریافت ویدیوهای آموزشی (۴۸)
- یادگیری عمیق(Deep Learning) (۱۴)
- پردازش تصویر (۱۰)
- پروژه الگوریتم بهینه سازی چندهدفه (NSGA-II) (۴)
- پروژه متلب(MATLAB) (۳۸)
- برنامه نویسی (۹۴)
- پروژه C شارپ (۶)
- پروژه C پلاس پلاس (۶)
- پروژه جاوا(JAVA) (۴)
- پروژه دلفی (Delphi) (۴)
- یادگیری انتقالی(Transfer Learning) (۱)
- سیستم توصیه گر (recommender system) (۴)
- شبکه کاوی(Social media mining) (۱)
- رایانش ابری (Cloud Computing) (۱۹)
- کلودسیم (CloudSim) (۱۸)
- پروژه الگوریتم فاخته (۸)
- پروژه الگوریتم خفاش (۲)
- دوره های آموزشی (۶)
- پروژه الگوریتم کرم شب تاب (۱)
- سیستم خبره (۳)
- پروژه های مشترک (۱۱)
- تدریس رایگان (۱)
-
آرش
سلام و وقت بخیر. امکانش هست کد رو برای من ارسال کنید؟ -
علی
سلام لطفا کد رو برای بنده ارسال کنید. با تشکر -
مصطفی
با سلام سپاسپگزارم اگر ... -
زهرا
سلام -
nazanin
میشه سورس کد رو برام بفرستید؟ -
kian
سلام وقت بخیر میشه کد ... -
محمد
با عرض سلام. لطفا کد ... -
Fatemeh
سلام. ممنون میشم کد NSGA-II در پایتون را برام بفرستید.
- بهینه سازی ساختار شبکه عصبی با الگوریتم جستجوی هارمونی برای داده کاوی سرطان
- پیاده سازی مقاله: یش بینی قیمت سهام با استفاده از شبکه عصبی مصنوعی
- بهینه سازی ساختار شبکه عصبی با الگوریتم بهینه سازی ازدحام ذرات برای داده کاوی مشکلات ارتوپدی
- بهینه سازی ساختار شبکه عصبی با الگوریتم کلونی زنبور عسل برای داده کاوی امتیاز اعتباری
- پروژه بهبود فرآیند تشخیص نفوذ با تلفیق روش های درخت تصمیم و الگوریتم تکامل تفاضلی
- سفارش پروژه پیش بینی نرخ جرم و جنایت با تلفیق روش های درخت تصمیم و الگوریتم رقابت استعماری
- بهینه سازی شبکه عصبی با الگوریتم ممتیک برای پیش بینی ورشکستگی
- تشخیص فرار مالیاتی به کمک روش های شبکه ی عصبی و الگوریتم رقابت استعماری
- بهینه سازی ماشین بردار پشتیبان با الگوریتم کلونی زنبور عسل برای داده کاوی تشخیص تقلب
- بهینه سازی ساختار شبکه عصبی با الگوریتم کلونی زنبور عسل برای داده کاوی بیماری قلبی
- آذر ۱۴۰۲ ( ۱ )
- آبان ۱۴۰۲ ( ۶ )
- مهر ۱۴۰۲ ( ۲ )
- شهریور ۱۴۰۲ ( ۷ )
- مرداد ۱۴۰۲ ( ۱۲ )
- تیر ۱۴۰۲ ( ۱۱ )
- خرداد ۱۴۰۲ ( ۲ )
- ارديبهشت ۱۴۰۲ ( ۴ )
- فروردين ۱۴۰۲ ( ۱ )
- شهریور ۱۴۰۱ ( ۱ )
- تیر ۱۴۰۱ ( ۱ )
- خرداد ۱۴۰۱ ( ۲ )
- ارديبهشت ۱۴۰۱ ( ۲ )
- فروردين ۱۴۰۱ ( ۱ )
- اسفند ۱۴۰۰ ( ۲ )
- بهمن ۱۴۰۰ ( ۱ )
- دی ۱۴۰۰ ( ۲ )
- آذر ۱۴۰۰ ( ۲ )
- آبان ۱۴۰۰ ( ۲ )
- مهر ۱۴۰۰ ( ۳ )
- شهریور ۱۴۰۰ ( ۶ )
- مرداد ۱۴۰۰ ( ۵ )
- تیر ۱۴۰۰ ( ۴ )
- خرداد ۱۴۰۰ ( ۷ )
- ارديبهشت ۱۴۰۰ ( ۸ )
- فروردين ۱۴۰۰ ( ۷ )
- اسفند ۱۳۹۹ ( ۶ )
- آذر ۱۳۹۹ ( ۱ )
- مهر ۱۳۹۹ ( ۳ )
- شهریور ۱۳۹۹ ( ۲ )
- تیر ۱۳۹۹ ( ۱ )
- خرداد ۱۳۹۹ ( ۵ )
- ارديبهشت ۱۳۹۹ ( ۱۳ )
- فروردين ۱۳۹۹ ( ۵ )
- اسفند ۱۳۹۸ ( ۲ )
- دی ۱۳۹۸ ( ۲ )
- آذر ۱۳۹۸ ( ۵ )
- آبان ۱۳۹۸ ( ۳ )
- مهر ۱۳۹۸ ( ۱ )
- شهریور ۱۳۹۸ ( ۶ )
- مرداد ۱۳۹۸ ( ۱۴ )
- تیر ۱۳۹۸ ( ۱۱ )
- خرداد ۱۳۹۸ ( ۱۵ )
- ارديبهشت ۱۳۹۸ ( ۷۱ )
- فروردين ۱۳۹۸ ( ۱۲۰ )
- اسفند ۱۳۹۷ ( ۴۱ )
- پیاده سازی الگوریتم بهینه سازی چندهدفه NSGA-II در پایتون(Python)
- پیاده سازی الگوریتم ژنتیک در پایتون(Python)
- پیاده سازی الگوریتم بهینه سازی ازدحام ذرات در پایتون(Python)
- پروژه داده کاوی تشخیص بیماری دیابت با پایتون(Python)
- پروژه داده کاوی تشخیص بیماری های قلبی با پایتون (Python)
- پروژه داده کاوی تشخیص تقلب با نرم افزار نایم (Knime)
- پروژه داده کاوی تشخیص بیماری های قلبی با نرم افزار وکا (Weka)
- پروژه داده کاوی بازاریابی مستقیم (Direct marketing) با پایتون (Python)
- پروژه داده کاوی تشخیص تقلب با نرم افزار رپیدماینر (RapidMiner)
- پروژه داده کاوی تشخیص سرطان با پایتون (Python)
- پیاده سازی الگوریتم بهینه سازی چندهدفه NSGA-II در پایتون(Python)
- پروژه داده کاوی تشخیص تقلب در کارت های اعتباری با نرم افزار کلمنتاین یا مدلر(IBM Spss Modeler)
- پیاده سازی مقاله: تشخیص بیماری دیابت با استفاده از تکنیک داده کاوی و شبکه عصبی
- پیاده سازی الگوریتم بهینه سازی ازدحام ذرات در پایتون(Python)
- پروژه داده کاوی تشخیص تقلب با نرم افزار رپیدماینر (RapidMiner)
- پروژه داده کاوی بازاریابی مستقیم (Direct marketing) با پایتون (Python)
- پروژه داده کاوی تشخیص سرطان با زبان R
- پروژه داده کاوی تشخیص تقلب با نرم افزار نایم (Knime)
- پروژه داده کاوی پیش بینی نقص در ماژول های نرم افزاری با زبان R
- پروژه آموزشی سیستم های توصیه گر (recommender system) در محیط پایتون